The role of associative learning in healthy and sustainable food evaluations: An event-related potential study
Notice bibliographique
Résumé
Individuals in industrialized societies frequently include processed foods in their diet. However, overconsumption of heavily processed foods leads to imbalanced calorie intakes as well as negative health consequences and environmental impacts. In the present study, normal-weight healthy individuals were recruited in order to test whether associative learning (Evaluative Conditioning, EC) could strengthen the association between food-types (minimally processed and heavily processed foods) and concepts (e.g., healthiness), and whether these changes would be reflected at the implicit associations, at the explicit ratings and in behavioral choices. A Semantic Congruency task (SC) during electroencephalography recordings was used to examine the neural signature of newly acquired associations between foods and concepts. The accuracy after EC towards minimally processed food (MP-food) in the SC task significantly increased, indicating strengthened associations between MP-food and the concept of healthiness through EC. At the neural level, a more negative amplitude of the N400 waveform, which reflects semantic incongruency, was shown in response to MP-foods paired with the concept of unhealthiness in proximity of the dorsal lateral prefrontal cortex (DLPFC). This implied the possible role of the left DLPFC in changing food representations by integrating stimuli's features with existing food-relevant information. Finally, the N400 effect was modulated by individuals' attentional impulsivity as well as restrained eating behavior.
Récupéré en direct depuis OpenAlex et désinversé. Les résumés ne sont pas conservés dans cette base de données : les index inversés représentent 8,6 Go des 9,3 Go de texte de la base, et le serveur dispose de 13 Go libres.
Comment cette classification a été obtenuedéplier
Prédiction machine sur la base complète
Imitation des enseignantsNi prévalence calibrée, ni vérité terrain. Validation humaine à venir. Le volet Gemma est une étiquette directe du modèle pour chaque travail de la base, lue sur la notice réduite au titre. Le volet Codex est un classifieur appris des 10 348 étiquettes directes de Codex et calibré sur les taux pondérés de l'échantillon; les champs sans appui suffisant ne portent aucun appel Codex. Le mode candidate est l'union des deux volets; le consensus est leur intersection. Ces sorties portent le statut machine_predicted_unvalidated et ne sont pas des étiquettes humaines.
Scores du classifieur distillé par catégorie (deux têtes)
| Catégorie | Codex | Gemma |
|---|---|---|
| Métarecherche | 0,001 | 0,004 |
| Méta-épidémiologie (sens strict) | 0,000 | 0,000 |
| Méta-épidémiologie (sens large) | 0,000 | 0,000 |
| Bibliométrie | 0,000 | 0,000 |
| Études des sciences et des technologies | 0,000 | 0,000 |
| Communication savante | 0,001 | 0,001 |
| Science ouverte | 0,000 | 0,000 |
| Intégrité de la recherche | 0,000 | 0,001 |
| Charge utile insuffisante (le modèle a refusé de juger) | 0,002 | 0,000 |
Scores machine (provisoires)
Les deux têtes enseignantes du modèle étudiant, lues sur ce travail. Un score ordonne la base pour la relecture; il n'affirme jamais une catégorie, et le statut de validation accompagne chaque rangée tel quel.
Scores de référence d'un modèle non mature (critères de maturité non atteints, 7 itérations). Un score ordonne; il n'affirme jamais une catégorie.
score_only:v0-immature-baseline · tel quel depuis la passe de notation : score_only signifie que le nombre peut ordonner les travaux, et qu'aucune étiquette de catégorie n'en découleClassification
machine, non validéePrédiction automatique; un appel candidat d’une seule source (Gemma direct ou Codex distillé), pas un consensus.
Le détail, modèle par modèle et score par score, se trouve en fin de page sous « Comment cette classification a été obtenue ».